Zur Kurzanzeige

dc.contributor.authorMainzer, Klaus
dc.contributor.editorReussner, Ralf H.
dc.contributor.editorKoziolek, Anne
dc.contributor.editorHeinrich, Robert
dc.date.accessioned2021-01-27T13:34:08Z
dc.date.available2021-01-27T13:34:08Z
dc.date.issued2021
dc.identifier.isbn978-3-88579-701-2
dc.identifier.issn1617-5468
dc.identifier.urihttp://dl.gi.de/handle/20.500.12116/34774
dc.description.abstractIn Zeitalter der Digitalisierung nimmt die Künstliche Intelligenz eine Schlüsselstellung ein. Was ist aber Künstliche Intelligenz? Was kann sie heute und was kann sie nicht? Im Unterschied zu den logischen Formalismen der klassischen symbolischen KI wird das aktuelle Machine Learning durch statistisches Lernen dominiert, das die Bewältigung großer Datenmengen mit leistungsstarken Rechnern in Technik und Wirtschaft verspricht. Wie sicher sind aber statistische Korrelationen? Was sind und was können demgegenüber Kausalmodelle leisten? Kausalanalysen sind erkenntnistheoretisch und ethisch mit Verantwortungsfragen eng verbunden. Nur wenn diese Grundlagen der KI-Technologie klar verstanden sind, lassen sich auch ihre Anwendungen beurteilen und ethisch-rechtlich bewerten. Daher plädiert dieser Beitrag für eine Kombination von Machine Learning mit kausalem Lernen und zertifizierten KI-Programmen durch Beweisassistenten.de
dc.language.isode
dc.publisherGesellschaft für Informatik, Bonn
dc.relation.ispartofINFORMATIK 2020
dc.relation.ispartofseriesLecture Notes in Informatics (LNI) - Proceedings, Volume P-307
dc.titleWie sicher ist KI?de
mci.reference.pages695-718
mci.conference.sessiontitleKonzeptionelle Herausforderungen für die KI
mci.conference.locationKarlsruhe
mci.conference.date28. September - 2. Oktober 2020
dc.identifier.doi10.18420/inf2020_63


Dateien zu dieser Ressource

Thumbnail

Zur Kurzanzeige